德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 1 天前普通员工/个人贡献者
沈阳市
中级经验
全职员工
仅现场办公
本科
机器学习工程
Llamaindex
Llm
Mindspore
Pytorch
Rag
Scikit-Learn
Tensorflow
Vllm
AI 估算 · 12k–25k
沈阳AI算法岗位，外企背景，3年经验，薪资在中上游水平，大模型技能有溢价。
职位详情
关于这个职位
该职位负责AI算法设计与开发，涵盖机器学习、深度学习、自然语言处理及大语言模型（LLM）应用场景
你将参与数据挖掘、特征工程、模型训练与优化，并探索LLM在对话系统、知识图谱等场景的落地，同时负责优化推理性能和构建企业级AI应用系统
适合具备3年以上AI算法经验的工程师
最低要求
本科及以上学历，计算机科学、数学、工业工程、人工智能应用、数学等相关专业
扎实的数学基础，熟悉线性代数，概率统计，最优化理论
精通Python编程语言，熟悉Pandas，Scikit-learn等数据处理工具
熟练掌握TensorFlow，PyTorch，MindSpore等至少一种深度学习框架
具备至少3年AI算法研发或者大模型应用开发相关经验
独立主导或完整参与过至少2个AI项目的算法设计，开发，与落地
英语可作为工作语言
工作职责
负责机器学习，深度学习，自然语言处理(NLP)等领域的算法设计与开发，构建面向业务场景的定制化AI解决方案
负责独立完成数据挖掘，特征工程，模型训练与调优工作，提升模型在准确率，泛化能力，实时性等方面的表现
探索大规模语言模型（LLM）在对话系统，知识图谱，内容生成，智能推荐等应用场景，推动大模型技术在企业级场景的落地
设计实现Prompt Engineering方案，结合LangChain，Llamalndex等工具构建基于LLM的企业级AI应用系统
熟悉数据处理技术（数据清洗、特征提取）及工具（如Pandas、Scikit-learn），利用机器学习算法完成数据的聚类分布等，支撑结构LLM微调数据集工作
优化LLM推理流程，利用vLLM, Ollama, TGI等推理框架提升服务性能，降低延迟，提高吞吐量
掌握量化，蒸馏等模型轻量化技术
参与大模型继续预训练、微调、RAG（检索增强生成）、Agent（智能体）领域适配等工作，提升模型在垂直领域的表现
完成AI模型从训练、调参、测试到部署的全生命周期管理，确保模型在生产环境中的稳定性与高性能
在其专业领域内担任内部及外部联络人参与内部工作组协作
编制内部相关文件并按需进行内部汇报
识别公司内部本领域持续教育需求
规划并实施复杂主题的内部及外部培训（含国内与国际培训）
协助制定并优化本专业领域的内部标准与流程
观察/识别专业领域趋势以制定方案
提出行动建议（如规划方法等）
在其专业领域内主要开展概念性工作
管理、控制和协调子项目，依据检查清单和绩效指标监控项目执行与目标达成情况
进行复杂分析以优化流程并制定改进措施
AI 洞察
优缺点分析
优点
- 职位技术含量高，涉及前沿的LLM、RAG、Agent技术，技能积累快
- 德科斯米尔是跨国巨头，平台稳定，福利体系完善
- 工作内容多样，包括研发、培训、项目协调，个人综合能力有提升空间
- 职位要求英语可作为工作语言，有国际化协作机会
- 职位标题与内容匹配度低，实际是AI算法岗，但可能涉及工业工程相关，需要适应
- 沈阳的AI产业不如一线城市发达，长期职业发展可能需要考虑城市选择
- 适合具备3年以上AI算法经验，喜欢接触前沿技术，愿意在外企稳定环境中深耕的工程师
缺点 / 挑战
- 需要独立负责项目，压力较大，要求较强的解决问题能力
角色解读
- 可以在AI算法方向深入，成为大模型领域专家
- 也有机会转向技术管理，由于有项目协调和培训职责，可逐步晋升为技术主管或经理
- 外企环境，可能有国际轮岗或培训机会
- 负责AI算法设计开发，包括机器学习、深度学习、NLP及大语言模型（LLM）的实际应用
- 进行数据挖掘、特征工程、模型训练与调优，并优化推理性能，如使用vLLM、Ollama等框架
- 参与大模型微调、RAG、Agent等落地工作，构建企业级AI应用系统
- 同时承担技术联络、培训、项目协调等职责
- 精通Python，熟悉Pandas、Scikit-learn等数据处理工具
- 熟练掌握至少一种深度学习框架（TensorFlow/PyTorch/MindSpore）
- 扎实的数学基础（线性代数、概率统计、最优化）
- 熟悉LLM相关技术栈，如LangChain、LlamaIndex、RAG、Agent等
申请策略
- 了解德科斯米尔的汽车行业背景，将AI技术与汽车制造场景结合思考
- 在简历中明确标注“大模型”关键词，因为JD反复强调
- 突出大模型相关项目经验，特别是LLM应用、RAG、Agent等实际落地案例
- 强调独立主导项目的能力，列出至少2个完整项目从设计到部署
- 展示Python编程和深度学习框架的熟练度，可附代码或技术博客
- 体现英语能力，如英文文档撰写、国际协作经历
- 如果还不太熟悉LangChain、vLLM等，可以提前学习并动手实践
- 补充强化学习或模型量化知识，因为提到蒸馏、量化
面试指南
- 用STAR法则回答项目经验：情境、任务、行动、结果，突出你的个人贡献和量化结果
- 针对技术问题，先阐述核心概念，再结合项目实例说明，最后总结经验和改进
- 对于场景问题，强调业务理解、技术选型、落地挑战和后续优化
- 请详细介绍你参与过的一个AI项目，从数据准备到部署的完整流程
- 你如何选择适合业务场景的模型？举例说明
- 谈谈你对RAG和Agent的理解，以及如何落地一个企业级AI应用
- 如何优化LLM推理性能？你使用过哪些框架和技术？
- 你的数学基础如何？比如线性代数和概率论在实际工作中的应用
职位点评
72
综合评分
外企AI算法岗，大模型前沿技术，稳定平台，但WLB未明确。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
适合看重技术成长和职业发展，对WLB要求相对宽松的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展85
工作生活55
使命价值60
薪资福利
75中等
该职位属于外企巨头，薪资水平在沈阳具有竞争力，稳定性好，但具体薪资未披露。
薪资信号未披露（AI估算：12K-25K/月）
成长发展
85较高
技术极其前沿，涉及大模型、RAG、Agent等，且JD中明确有继续教育和培训的要求，发展空间大。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、LLM、LangChain、RAG、Agent
成长机会继续教育、培训
业务类型ambiguous
工作生活
55较低
JD未明确工作模式、弹性办公或加班情况，外企通常WLB较好，但缺乏明示，评分一般。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
60中等
汽车行业属稳定成熟产业，AI赋能制造有一定意义，但社会直接价值不明显，整体意义感中等。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
德科斯米尔 的其他在招职位
相似职位推荐
Watch Jobs